Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación

Añón, Alejandro - Torrano, Emiliano

Supervisor(es): Guimerans, Gustavo - Wodzislawski, Mónica

Resumen:

En la actualidad existe un crecimiento considerable en el uso de sistemas de aprendizaje a distancia, en donde se recolecta una gran cantidad de información. Además, el incremento en el poder de cálculo de las computadoras generó un contexto muy propicio para la aplicación de técnicas de aprendizaje automático. En este contexto, surge el interés de investigar si es viable la aplicación de estas técnicas en el ámbito educativo, en particular con los datos de un sistema de aprendizaje a distancia. En primera instancia se estudia el estado del arte de la aplicación de técnicas de aprendizaje automático a la educación. Allí se concluye que existen varias aplicaciones posibles -entre las que se destacan la predicción del rendimiento académico de los estudiantes y la sugerencia de contenido o ejercicios que maximicen el aprendizaje- que pueden aportar valor a los distintos actores de la educación. Se busca estudiar en mayor profundidad la aplicación de técnicas de aprendizaje automático para predecir el rendimiento académico de los estudiantes con el fin de generar alertas de forma temprana a los profesores para que puedan tomar acciones a tiempo. Las acciones que se puedan tomar ante una alerta de pérdida de un curso dependen fuertemente del contexto, como la asignatura y el estudiante, por lo que queda por fuera de este proyecto. Luego de definido el foco del proyecto, se toma como caso de estudio el Centro de Ensayos de Software (CES). En este centro se dictan carreras con la particularidad de ser completamente en línea, sobre la plataforma Moodle, lo cual permite que se dispongan de datos de todas las actividades que realizan los estudiantes en el sistema informático. Sobre estos datos se aplican distintas técnicas de aprendizaje automático para predecir si un estudiante aprobará o no un curso y también para predecir qué nota obtendrá al finalizar el curso. Se detallan los pasos seguidos para obtener las predicciones con el objetivo de que sean de utilidad para el CES así como también que sea posible generalizarlo a otros centros educativos. Se tiene como objetivo que la solución sea lo más genérica posible y agnóstica al centro educativo que se utiliza para el análisis, aunque esto no siempre es posible. Se describen los pasos que solo aplican al CES para que puedan ser adaptados a otra realidad en caso de ser de interés. Por último, se desarrolla una plataforma web para facilitar el proceso realizado y sea utilizado por el CES. La misma realiza todos los pasos detallados previamente y ofrece los resultados en una interfaz gráfica para que se pueda tomar acción sobre las alertas allí generadas. Las transformaciones realizadas en los datos y los parámetros utilizados en los modelos predictivos son configurables para poder ser aplicados a otros cursos o carreras.


Detalles Bibliográficos
2021
Educación
Machine Learning
Regresión
Clasificación
Learning Analytics
Predicción
Rendimiento Académico
Español
Universidad de la República
COLIBRI
https://hdl.handle.net/20.500.12008/30053
Acceso abierto
Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
_version_ 1807523227070627840
author Añón, Alejandro
author2 Torrano, Emiliano
author2_role author
author_facet Añón, Alejandro
Torrano, Emiliano
author_role author
bitstream.checksum.fl_str_mv 6429389a7df7277b72b7924fdc7d47a9
a006180e3f5b2ad0b88185d14284c0e0
36c32e9c6da50e6d55578c16944ef7f6
1996b8461bc290aef6a27d78c67b6b52
618f6dee09cd6c6847d9f25cd4846da7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
bitstream.url.fl_str_mv http://localhost:8080/xmlui/bitstream/20.500.12008/30053/5/license.txt
http://localhost:8080/xmlui/bitstream/20.500.12008/30053/2/license_url
http://localhost:8080/xmlui/bitstream/20.500.12008/30053/3/license_text
http://localhost:8080/xmlui/bitstream/20.500.12008/30053/4/license_rdf
http://localhost:8080/xmlui/bitstream/20.500.12008/30053/1/AT21.pdf
collection COLIBRI
dc.contributor.filiacion.none.fl_str_mv Añón Alejandro, Universidad de la República (Uruguay). Facultad de Ingeniería
Torrano Emiliano, Universidad de la República (Uruguay). Facultad de Ingeniería
dc.creator.advisor.none.fl_str_mv Guimerans, Gustavo
Wodzislawski, Mónica
dc.creator.none.fl_str_mv Añón, Alejandro
Torrano, Emiliano
dc.date.accessioned.none.fl_str_mv 2021-11-04T15:15:46Z
dc.date.available.none.fl_str_mv 2021-11-04T15:15:46Z
dc.date.issued.none.fl_str_mv 2021
dc.description.abstract.none.fl_txt_mv En la actualidad existe un crecimiento considerable en el uso de sistemas de aprendizaje a distancia, en donde se recolecta una gran cantidad de información. Además, el incremento en el poder de cálculo de las computadoras generó un contexto muy propicio para la aplicación de técnicas de aprendizaje automático. En este contexto, surge el interés de investigar si es viable la aplicación de estas técnicas en el ámbito educativo, en particular con los datos de un sistema de aprendizaje a distancia. En primera instancia se estudia el estado del arte de la aplicación de técnicas de aprendizaje automático a la educación. Allí se concluye que existen varias aplicaciones posibles -entre las que se destacan la predicción del rendimiento académico de los estudiantes y la sugerencia de contenido o ejercicios que maximicen el aprendizaje- que pueden aportar valor a los distintos actores de la educación. Se busca estudiar en mayor profundidad la aplicación de técnicas de aprendizaje automático para predecir el rendimiento académico de los estudiantes con el fin de generar alertas de forma temprana a los profesores para que puedan tomar acciones a tiempo. Las acciones que se puedan tomar ante una alerta de pérdida de un curso dependen fuertemente del contexto, como la asignatura y el estudiante, por lo que queda por fuera de este proyecto. Luego de definido el foco del proyecto, se toma como caso de estudio el Centro de Ensayos de Software (CES). En este centro se dictan carreras con la particularidad de ser completamente en línea, sobre la plataforma Moodle, lo cual permite que se dispongan de datos de todas las actividades que realizan los estudiantes en el sistema informático. Sobre estos datos se aplican distintas técnicas de aprendizaje automático para predecir si un estudiante aprobará o no un curso y también para predecir qué nota obtendrá al finalizar el curso. Se detallan los pasos seguidos para obtener las predicciones con el objetivo de que sean de utilidad para el CES así como también que sea posible generalizarlo a otros centros educativos. Se tiene como objetivo que la solución sea lo más genérica posible y agnóstica al centro educativo que se utiliza para el análisis, aunque esto no siempre es posible. Se describen los pasos que solo aplican al CES para que puedan ser adaptados a otra realidad en caso de ser de interés. Por último, se desarrolla una plataforma web para facilitar el proceso realizado y sea utilizado por el CES. La misma realiza todos los pasos detallados previamente y ofrece los resultados en una interfaz gráfica para que se pueda tomar acción sobre las alertas allí generadas. Las transformaciones realizadas en los datos y los parámetros utilizados en los modelos predictivos son configurables para poder ser aplicados a otros cursos o carreras.
dc.format.extent.es.fl_str_mv 69 p.
dc.format.mimetype.es.fl_str_mv application/pdf
dc.identifier.citation.es.fl_str_mv Añón, A. y Torrano, E. Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación [en línea]. Tesis de grado. Montevideo : Udelar. FI. INCO, 2021.
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12008/30053
dc.language.iso.none.fl_str_mv es
spa
dc.publisher.es.fl_str_mv Udelar.FI
dc.rights.license.none.fl_str_mv Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.source.none.fl_str_mv reponame:COLIBRI
instname:Universidad de la República
instacron:Universidad de la República
dc.subject.es.fl_str_mv Educación
Machine Learning
Regresión
Clasificación
Learning Analytics
Predicción
Rendimiento Académico
dc.title.none.fl_str_mv Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación
dc.type.es.fl_str_mv Tesis de grado
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
description En la actualidad existe un crecimiento considerable en el uso de sistemas de aprendizaje a distancia, en donde se recolecta una gran cantidad de información. Además, el incremento en el poder de cálculo de las computadoras generó un contexto muy propicio para la aplicación de técnicas de aprendizaje automático. En este contexto, surge el interés de investigar si es viable la aplicación de estas técnicas en el ámbito educativo, en particular con los datos de un sistema de aprendizaje a distancia. En primera instancia se estudia el estado del arte de la aplicación de técnicas de aprendizaje automático a la educación. Allí se concluye que existen varias aplicaciones posibles -entre las que se destacan la predicción del rendimiento académico de los estudiantes y la sugerencia de contenido o ejercicios que maximicen el aprendizaje- que pueden aportar valor a los distintos actores de la educación. Se busca estudiar en mayor profundidad la aplicación de técnicas de aprendizaje automático para predecir el rendimiento académico de los estudiantes con el fin de generar alertas de forma temprana a los profesores para que puedan tomar acciones a tiempo. Las acciones que se puedan tomar ante una alerta de pérdida de un curso dependen fuertemente del contexto, como la asignatura y el estudiante, por lo que queda por fuera de este proyecto. Luego de definido el foco del proyecto, se toma como caso de estudio el Centro de Ensayos de Software (CES). En este centro se dictan carreras con la particularidad de ser completamente en línea, sobre la plataforma Moodle, lo cual permite que se dispongan de datos de todas las actividades que realizan los estudiantes en el sistema informático. Sobre estos datos se aplican distintas técnicas de aprendizaje automático para predecir si un estudiante aprobará o no un curso y también para predecir qué nota obtendrá al finalizar el curso. Se detallan los pasos seguidos para obtener las predicciones con el objetivo de que sean de utilidad para el CES así como también que sea posible generalizarlo a otros centros educativos. Se tiene como objetivo que la solución sea lo más genérica posible y agnóstica al centro educativo que se utiliza para el análisis, aunque esto no siempre es posible. Se describen los pasos que solo aplican al CES para que puedan ser adaptados a otra realidad en caso de ser de interés. Por último, se desarrolla una plataforma web para facilitar el proceso realizado y sea utilizado por el CES. La misma realiza todos los pasos detallados previamente y ofrece los resultados en una interfaz gráfica para que se pueda tomar acción sobre las alertas allí generadas. Las transformaciones realizadas en los datos y los parámetros utilizados en los modelos predictivos son configurables para poder ser aplicados a otros cursos o carreras.
eu_rights_str_mv openAccess
format bachelorThesis
id COLIBRI_685b72ed713e6bff0379258b00d9104d
identifier_str_mv Añón, A. y Torrano, E. Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación [en línea]. Tesis de grado. Montevideo : Udelar. FI. INCO, 2021.
instacron_str Universidad de la República
institution Universidad de la República
instname_str Universidad de la República
language spa
language_invalid_str_mv es
network_acronym_str COLIBRI
network_name_str COLIBRI
oai_identifier_str oai:colibri.udelar.edu.uy:20.500.12008/30053
publishDate 2021
reponame_str COLIBRI
repository.mail.fl_str_mv mabel.seroubian@seciu.edu.uy
repository.name.fl_str_mv COLIBRI - Universidad de la República
repository_id_str 4771
rights_invalid_str_mv Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
spelling Añón Alejandro, Universidad de la República (Uruguay). Facultad de IngenieríaTorrano Emiliano, Universidad de la República (Uruguay). Facultad de Ingeniería2021-11-04T15:15:46Z2021-11-04T15:15:46Z2021Añón, A. y Torrano, E. Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación [en línea]. Tesis de grado. Montevideo : Udelar. FI. INCO, 2021.https://hdl.handle.net/20.500.12008/30053En la actualidad existe un crecimiento considerable en el uso de sistemas de aprendizaje a distancia, en donde se recolecta una gran cantidad de información. Además, el incremento en el poder de cálculo de las computadoras generó un contexto muy propicio para la aplicación de técnicas de aprendizaje automático. En este contexto, surge el interés de investigar si es viable la aplicación de estas técnicas en el ámbito educativo, en particular con los datos de un sistema de aprendizaje a distancia. En primera instancia se estudia el estado del arte de la aplicación de técnicas de aprendizaje automático a la educación. Allí se concluye que existen varias aplicaciones posibles -entre las que se destacan la predicción del rendimiento académico de los estudiantes y la sugerencia de contenido o ejercicios que maximicen el aprendizaje- que pueden aportar valor a los distintos actores de la educación. Se busca estudiar en mayor profundidad la aplicación de técnicas de aprendizaje automático para predecir el rendimiento académico de los estudiantes con el fin de generar alertas de forma temprana a los profesores para que puedan tomar acciones a tiempo. Las acciones que se puedan tomar ante una alerta de pérdida de un curso dependen fuertemente del contexto, como la asignatura y el estudiante, por lo que queda por fuera de este proyecto. Luego de definido el foco del proyecto, se toma como caso de estudio el Centro de Ensayos de Software (CES). En este centro se dictan carreras con la particularidad de ser completamente en línea, sobre la plataforma Moodle, lo cual permite que se dispongan de datos de todas las actividades que realizan los estudiantes en el sistema informático. Sobre estos datos se aplican distintas técnicas de aprendizaje automático para predecir si un estudiante aprobará o no un curso y también para predecir qué nota obtendrá al finalizar el curso. Se detallan los pasos seguidos para obtener las predicciones con el objetivo de que sean de utilidad para el CES así como también que sea posible generalizarlo a otros centros educativos. Se tiene como objetivo que la solución sea lo más genérica posible y agnóstica al centro educativo que se utiliza para el análisis, aunque esto no siempre es posible. Se describen los pasos que solo aplican al CES para que puedan ser adaptados a otra realidad en caso de ser de interés. Por último, se desarrolla una plataforma web para facilitar el proceso realizado y sea utilizado por el CES. La misma realiza todos los pasos detallados previamente y ofrece los resultados en una interfaz gráfica para que se pueda tomar acción sobre las alertas allí generadas. Las transformaciones realizadas en los datos y los parámetros utilizados en los modelos predictivos son configurables para poder ser aplicados a otros cursos o carreras.Submitted by Cabrera Gabriela (gfcabrerarossi@gmail.com) on 2021-11-04T14:24:34Z No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) AT21.pdf: 1427496 bytes, checksum: 618f6dee09cd6c6847d9f25cd4846da7 (MD5)Approved for entry into archive by Machado Jimena (jmachado@fing.edu.uy) on 2021-11-04T14:37:20Z (GMT) No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) AT21.pdf: 1427496 bytes, checksum: 618f6dee09cd6c6847d9f25cd4846da7 (MD5)Made available in DSpace by Luna Fabiana (fabiana.luna@seciu.edu.uy) on 2021-11-04T15:15:46Z (GMT). No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) AT21.pdf: 1427496 bytes, checksum: 618f6dee09cd6c6847d9f25cd4846da7 (MD5) Previous issue date: 202169 p.application/pdfesspaUdelar.FILas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)EducaciónMachine LearningRegresiónClasificaciónLearning AnalyticsPredicciónRendimiento AcadémicoEstudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educaciónTesis de gradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionreponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaAñón, AlejandroTorrano, EmilianoGuimerans, GustavoWodzislawski, MónicaUniversidad de la República (Uruguay). Facultad de IngenieríaIngeniero en ComputaciónLICENSElicense.txtlicense.txttext/plain; charset=utf-84267http://localhost:8080/xmlui/bitstream/20.500.12008/30053/5/license.txt6429389a7df7277b72b7924fdc7d47a9MD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-850http://localhost:8080/xmlui/bitstream/20.500.12008/30053/2/license_urla006180e3f5b2ad0b88185d14284c0e0MD52license_textlicense_texttext/html; charset=utf-838616http://localhost:8080/xmlui/bitstream/20.500.12008/30053/3/license_text36c32e9c6da50e6d55578c16944ef7f6MD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-823149http://localhost:8080/xmlui/bitstream/20.500.12008/30053/4/license_rdf1996b8461bc290aef6a27d78c67b6b52MD54ORIGINALAT21.pdfAT21.pdfapplication/pdf1427496http://localhost:8080/xmlui/bitstream/20.500.12008/30053/1/AT21.pdf618f6dee09cd6c6847d9f25cd4846da7MD5120.500.12008/300532024-04-12 14:06:40.621oai:colibri.udelar.edu.uy:20.500.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Universidadhttps://udelar.edu.uy/https://www.colibri.udelar.edu.uy/oai/requestmabel.seroubian@seciu.edu.uyUruguayopendoar:47712024-07-25T14:46:23.537380COLIBRI - Universidad de la Repúblicafalse
spellingShingle Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación
Añón, Alejandro
Educación
Machine Learning
Regresión
Clasificación
Learning Analytics
Predicción
Rendimiento Académico
status_str acceptedVersion
title Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación
title_full Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación
title_fullStr Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación
title_full_unstemmed Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación
title_short Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación
title_sort Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación
topic Educación
Machine Learning
Regresión
Clasificación
Learning Analytics
Predicción
Rendimiento Académico
url https://hdl.handle.net/20.500.12008/30053